공공 부문 사기 방지를 위한 AI 운영화

공공 부문 사기 방지를 위한 AI 운영화

공공 부문 기관들은 중요한 전환점에 서 있습니다. 정부는 핵심 운영을 현대화하고 시민 서비스를 개선하기 위해 인공지능(AI)을 도입하고 있습니다. 동시에 AI의 부상은 위협 환경을 재편하고 있습니다. 범죄자들은 이제 합성 신원, 딥페이크로 강화된 문서, 초개인화된 소셜 엔지니어링 캠페인을 전개하며, 기관들이 이러한 규모나 정교함을 위해 설계되지 않은 기존의 위험 통제 방식을 재고하도록 강요하고 있습니다. 예를 들어:

• 혜택: 2020년 이후 사기 범죄가 242% 증가했습니다.
• 세금: 2025년에 45억 달러의 세금 사기가 적발되었습니다 (전년 대비 111.8% 증가).
• 특허: 단일 해외 행위자가 52,000건 이상의 사기성 상표 출원과 연루되었습니다.

AI는 엄청난 잠재력을 가지고 있지만, 신뢰할 수 있는 데이터와 강력한 거버넌스를 기반으로 할 때만 그렇습니다. 현대화는 단일 모델에 관한 것이 아니라, 데이터, 인텔리전스 및 워크플로우를 연결하는 안전한 엔드투엔드 시스템을 구축하는 것입니다. 이 블로그는 가상의 기관인 Services Bureau를 통해 Databricks로 사기 방지를 현대화하는 방법을 보여줍니다.

사기 조사를 위한 새로운 운영 모델

이 현대화가 어떻게 작동하는지 살펴보기 전에, Services Bureau에서 오늘날 사기 조사가 어떻게 이루어지는지 이해하는 것이 도움이 됩니다. 분석가들은 단일 사례에 필요한 데이터를 수집하기 위해 여러 시스템을 오가야 합니다. 그들은 한 시스템에서 파일을 내보내고, 다른 시스템에서 스프레드시트를 다운로드하며, 이메일 첨부 파일이나 공유 폴더를 통해 추가 정보를 받습니다. 그런 다음 수동으로 해당 소스들을 결합하고, 매크로나 규칙을 실행하여 의심스러운 행을 표시하며, 다른 시스템에서 더 깊은 검색을 수행하여 발견 사항을 검증합니다. 이 과정은 시간이 많이 걸리고, 파편화되어 있으며, 확장하기 어렵습니다.

이제 단일 애플리케이션이 17개의 우선순위가 지정된 사례를 시각화하고, 각 사례에는 정책 또는 사기 신호와 연결된 증거 및 명확한 설명이 있는 현대적인 워크플로우를 상상해 보십시오. AI는 가장 시급한 위험을 표면화하고, 분석가는 최종 결정을 내립니다. 한때 몇 주가 걸리던 일이 이제 하루 만에 완료되어, 더 빠르고 더 큰 확신을 가지고 업무를 처리할 수 있습니다.

Databricks Apps를 사용하여 운영 워크플로우에 인텔리전스 임베딩

데이터와 인사이트는 일상적인 워크플로우에 직접 임베딩될 때 가장 큰 가치를 제공합니다.

Lakebase 기반의 Databricks Apps를 사용하여 Services Bureau는 거버넌스, 에이전트 및 대시보드를 임무에 맞춰진 단일 사기 운영 애플리케이션으로 통합합니다.

선임 사기 분석가는 애플리케이션에 로그인하여 할당된 사례를 확인합니다. 사례를 열면 분석가는 Unity Catalog 볼륨에 저장된 지원 문서와 타사 검증 데이터를 검토할 수 있습니다.

한편, 임베디드 에이전트는 백그라운드에서 사례를 평가하고 근거와 함께 권장 사항을 제공합니다.

분석가가 동의하면 사례를 승인할 수 있습니다. 동의하지 않으면 권장 사항을 재정의하고 조사를 위해 에스컬레이션할 수 있습니다. 인간의 판단은 여전히 중요합니다.

경영진은 동일한 애플리케이션을 사용하여 여러 도구에 로그인할 필요 없이 대시보드를 보고 Genie와 상호 작용합니다. 리더십과 분석가들은 거버넌스, 인텔리전스 및 조치를 연결하는 통합 환경 내에서 운영됩니다.

이것이 실제 운영화된 AI의 모습입니다. 인사이트는 분석 플랫폼에 고립되지 않습니다. 의사 결정이 이루어지는 미션 워크플로우에 임베딩됩니다.

팀은 동일한 인력으로 훨씬 더 많은 사례를 처리할 수 있으며, 동시에 의심스러운 활동이 누락될 가능성을 줄입니다. 조사관은 프로그램 전반의 패턴에 대한 가시성을 확보하고, 리더십은 모든 플래그 지정된 활동이 체계적이고 일관되게 평가되고 있다는 확신을 얻습니다.

Unity Catalog + Delta Sharing을 통한 거버넌스 데이터 및 보안 협업

가상의 Services Bureau는 보조금, 계약, 혜택, 세금 신고 및 특허를 처리하며, 이는 강력한 거버넌스를 필요로 합니다. 매일 수천 건의 신청서가 외부 시스템을 통해 유입되어 레이크하우스 내 Delta 테이블에 저장됩니다. 머신러닝 모델과 비즈니스 규칙은 전국 사기 분석가들을 위해 의심스러운 사례에 플래그를 지정합니다.

Unity Catalog 내에서 기관은 속성 기반 접근 제어(ABAC)를 사용하여 사기 조사 테이블을 관리합니다. 개인 식별 정보(PII)와 같은 민감한 열은 특정 사용자 그룹에 대한 마스킹 정책을 자동으로 적용하는 태그에 의해 관리됩니다.

예를 들어, 주니어 사기 분석가는 검토에 필요한 사례 세부 정보를 볼 수 있지만, 마스킹된 PII 필드는 볼 수 없습니다. 선임 분석가 및 승인된 조사관은 역할 및 정책에 따라 추가 컨텍스트에 접근할 수 있습니다.

거버넌스는 접근 제어를 넘어 확장됩니다. 테이블 및 열 수준에서 전체 데이터 계보를 사용할 수 있습니다. 분석가와 규정 준수 팀은 데이터 요소가 어디에서 시작되었고 어디로 다운스트림으로 흐르는지 정확히 확인할 수 있습니다. 규제 기관이 필드의 출처를 물으면 몇 초 안에 답변을 얻을 수 있습니다.

Agent Bricks로 인텔리전스 조정

데이터가 거버넌스되고 접근 가능해지면 다음 과제는 우선순위 지정입니다. 경영진은 위험 추세를 이해해야 합니다. 사기 담당 리더는 운영 결정을 정책 지침 및 새로운 외부 위협과 일치시켜야 합니다.

Services Bureau는 다중 에이전트 감독자인 Agent Bricks를 사용하여 세 가지 기능을 조정합니다.

• Genie: 레이크하우스의 데이터를 쿼리하는 작업 공간 내에서 실시간 통계를 가져옵니다.
• Knowledge Assistant: 기관 정책에 기반을 둔 에이전트로 절차를 추가합니다.
• Web: 새로운 사기 패턴을 스캔하는 외부 Model Context Protocol (MCP) 서버를 통해 트렌드를 가져옵니다.

Databricks Platform 내에서 Agent Bricks는 역할 정의 및 오케스트레이션할 수 있는 에이전트 지정을 통해 구성됩니다. 이를 통해 경영진은 다음과 같은 자연어 질문을 할 수 있습니다. “12월 1일 기준으로 다음에 무엇을 우선순위로 두어야 할까요? 주요 위험 영역은 어디이며, 현재 성과는 어떻습니까?”

내부적으로 Agent Bricks는 Genie를 호출하여 실시간 사기 테이블에 대해 SQL 쿼리를 실행합니다. 이는 지식 에이전트를 호출하여 원본 문서에 대한 직접 참조와 함께 관련 정책 인용문을 표시하고, 새로운 사기 수법에 대한 외부 신호를 검색합니다.

감독관은 이러한 입력을 종합하여 권장 조치 및 근거가 포함된 명확한 응답을 제공합니다.

이는 일반적인 LLM 응답이 아닙니다. 엔터프라이즈 데이터에 기반하고 정책에 맞춰 실시간 컨텍스트로 풍부해진 AI입니다. 에이전트는 현재 약 53,000건의 “심각한” 백로그 상황에 처해 있다는 컨텍스트를 바탕으로 사기 조사 부서가 다음 24~48시간 동안 시간을 어디에 할애해야 하는지 권장합니다.

경영진에게는 평이한 언어로 제공되는 실행 가능한 지침을 의미합니다. 운영 팀에게는 위험에 대한 더 빠른 조정을 의미합니다.

피드백 루프가 내장되어 있습니다. 레이블링 세션을 통해 사용자는 응답을 평가하고 시간이 지남에 따라 출력을 개선하기 위한 지침을 제공할 수 있습니다.

이 접근 방식은 AI를 독립형 모델이 아닌 조정된 시스템으로 프로덕션에 도입합니다.

마찬가지로 중요한 것은 AI 거버넌스입니다. 에이전트가 생성하는 모든 권장 사항은 추적 가능한 데이터 소스, 정책 참조 및 문서화된 근거에 기반합니다. 분석가는 계속해서 참여하여 권장 사항을 수락하거나 재정의하기 전에 증거를 검토할 수 있습니다. 이러한 투명성은 기관이 AI 지원 결정에 대한 신뢰를 유지하는 동시에 규제 및 감독 요구 사항을 준수하는 데 도움이 됩니다.

AI/BI Genie로 질문을 실행 가능한 인사이트로 전환

운영 리더는 또한 작업 부하 분배 및 성능 지표에 대한 가시성이 필요합니다.

AI/BI Genie를 기반으로 구축된 경영진 대시보드 내에서 서비스국은 사기 프로그램 전반의 주요 성과 지표를 추적합니다. 인터페이스는 대화형입니다. 개별 심사관을 선택하면 관련 차트가 자동으로 업데이트되어 작업 부하, 기한이 지난 사례 및 사례 구성을 표시합니다.

리더십이 선임 심사관이 기한이 지난 사례의 불균형한 부분을 담당하고 있음을 발견했다고 가정해 봅시다. 추가 조사를 위해 Genie에게 직접 질문할 수 있습니다. “심사관 수준별 사례 분류는 어떻게 됩니까?”

Genie는 골드 사기 테이블에 대해 SQL 쿼리를 생성하고, 구조화된 테이블을 반환하며, 자동으로 시각화를 생성합니다. SQL은 투명성과 유효성 검사를 위해 계속 표시됩니다.

이러한 인사이트를 통해 리더십은 작업 부하를 재조정하거나 주니어 심사관을 위한 교육을 가속화할 수 있습니다. 분석가와 경영진 모두 기술 팀을 기다릴 필요 없이 질문에서 증거로 넘어갈 수 있습니다.

AI/BI Genie는 분석을 정적 보고서에서 대화형, 투명하고 실행 가능한 인텔리전스로 전환합니다.

결론

현대 공공 부문 기관은 데이터 거버넌스가 한 도구에, 분석이 다른 도구에, 운영 워크플로가 완전히 다른 곳에 존재하는 분산된 시스템을 감당할 수 없습니다.

Databricks 플랫폼 내에서 데이터, AI 및 거버넌스를 통합함으로써 기관은 안전한 기반을 구축하고, 지능형 에이전트를 조정하며, 미션 크리티컬 애플리케이션에 인사이트를 직접 삽입할 수 있습니다.

신뢰할 수 있고 컨텍스트를 인식하는 데이터로 모델을 구축하면:

• 사기 탐지가 더 빨라집니다.
• 협업이 더 안전해집니다.
• 결정이 더 투명하고 방어 가능해집니다.

귀하의 기관이 사기 방지 및 기타 미션 크리티컬 프로그램을 현대화하는 방법을 알아보려면 당사의 공공 부문 팀에 문의하십시오.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)